Buchumschlag

Spike-timing-dependent Hebbian learning as noisy gradient descent

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dexheimer, Niklas, Gaudlitz, Sascha, Schmidt-Hieber, Johannes
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving the Convergence Rates of Forward Gradient Descent with Repeated Sampling
von: Dexheimer, Niklas, et al.
Veröffentlicht: (2024)

Training Diagonal Linear Networks with Stochastic Sharpness-Aware Minimization
von: Clara, Gabriel, et al.
Veröffentlicht: (2025)

On the VC dimension of deep group convolutional neural networks
von: Sepliarskaia, Anna, et al.
Veröffentlicht: (2024)

Dropout Regularization Versus $\ell_2$-Penalization in the Linear Model
von: Clara, Gabriel, et al.
Veröffentlicht: (2023)

On the rate of convergence of an over-parametrized Transformer classifier learned by gradient descent
von: Kohler, Michael, et al.
Veröffentlicht: (2023)

Convergence guarantees for forward gradient descent in the linear regression model
von: Bos, Thijs, et al.
Veröffentlicht: (2023)

Hyper Input Convex Neural Networks for Shape Constrained Learning and Optimal Transport
von: Hundrieser, Shayan, et al.
Veröffentlicht: (2026)

Long-time dynamics and universality of nonconvex gradient descent
von: Han, Qiyang
Veröffentlicht: (2025)

One-step corrected projected stochastic gradient descent for statistical estimation
von: Brouste, Alexandre, et al.
Veröffentlicht: (2023)

Learning single index model with gradient descent: spectral initialization and precise asymptotics
von: Chen, Yuchen, et al.
Veröffentlicht: (2025)

Non-parametric estimation of the reaction term in semi-linear SPDEs with spatial ergodicity
von: Gaudlitz, Sascha
Veröffentlicht: (2023)

Universality of high-dimensional scaling limits of stochastic gradient descent
von: Gheissari, Reza, et al.
Veröffentlicht: (2025)

Local convergence rates of the nonparametric least squares estimator with applications to transfer learning
von: Schmidt-Hieber, Johannes, et al.
Veröffentlicht: (2022)

Understanding the Effect of GCN Convolutions in Regression Tasks
von: Chen, Juntong, et al.
Veröffentlicht: (2024)

Convergence of flow-based generative models via proximal gradient descent in Wasserstein space
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2023)

Uncertainty quantification by block bootstrap for differentially private stochastic gradient descent
von: Dette, Holger, et al.
Veröffentlicht: (2024)

Asymptotics of Stochastic Gradient Descent with Dropout Regularization in Linear Models
von: Li, Jiaqi, et al.
Veröffentlicht: (2024)

Gradient descent for deep equilibrium single-index models
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2025)

Canonical correlation regression with noisy data
von: Meza, Isaac, et al.
Veröffentlicht: (2025)

Adaptive conformal classification with noisy labels
von: Sesia, Matteo, et al.
Veröffentlicht: (2023)

Robust deep learning from weakly dependent data
von: Kengne, William, et al.
Veröffentlicht: (2024)

Precise gradient descent training dynamics for finite-width multi-layer neural networks
von: Han, Qiyang, et al.
Veröffentlicht: (2025)

Training thermodynamic computers by gradient descent
von: Whitelam, Stephen
Veröffentlicht: (2025)

A supervised deep learning method for nonparametric density estimation
von: Bos, Thijs, et al.
Veröffentlicht: (2023)

Nonparametric Bayesian Inference for Stochastic Reaction-Diffusion Equations
von: Altmeyer, Randolf, et al.
Veröffentlicht: (2025)

Predicting path-dependent processes by deep learning
von: Zheng, Xudong, et al.
Veröffentlicht: (2024)

Deep regression learning from dependent observations with minimum error entropy principle
von: Kengne, William, et al.
Veröffentlicht: (2026)

Fast Spawn\&Prune (FS\&P): Global convergence of stochastic conic particle gradient descent via birth/death process
von: De Castro, Yohann, et al.
Veröffentlicht: (2026)

Ordinal Patterns Based Change Points Detection
von: Betken, Annika, et al.
Veröffentlicht: (2025)

Generalization for Least Squares Regression With Simple Spiked Covariances
von: Li, Jiping, et al.
Veröffentlicht: (2024)

Spectrally-Corrected and Regularized QDA Classifier for Spiked Covariance Model
von: Luo, Wenya, et al.
Veröffentlicht: (2025)

Adaptive deep learning for nonlinear time series models
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2022)

Predictive inference for time series: why is split conformal effective despite temporal dependence?
von: Barber, Rina Foygel, et al.
Veröffentlicht: (2025)

eGAD! double descent is explained by Generalized Aliasing Decomposition
von: Transtrum, Mark K., et al.
Veröffentlicht: (2024)

Gradient descent inference in empirical risk minimization
von: Han, Qiyang, et al.
Veröffentlicht: (2024)

Sliced gradient-enhanced Kriging for high-dimensional function approximation
von: Cheng, Kai, et al.
Veröffentlicht: (2022)

Federated PCA and Estimation for Spiked Covariance Matrices: Optimal Rates and Efficient Algorithm
von: Li, Jingyang, et al.
Veröffentlicht: (2024)

Differential privacy with dependent data
von: Roth, Valentin, et al.
Veröffentlicht: (2025)

On the design-dependent suboptimality of the Lasso
von: Pathak, Reese, et al.
Veröffentlicht: (2024)

High-dimensional Asymptotics of Langevin Dynamics in Spiked Matrix Models
von: Liang, Tengyuan, et al.
Veröffentlicht: (2022)